หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
Microsoft Fabric มีเครื่องมือสําหรับการวิเคราะห์ขั้นสูง แมชชีนเลิร์นนิ่ง (ML) และการดําเนินงานแบบจําลอง AI ทั้งหมดนี้อยู่ในแพลตฟอร์มเดียวแบบครบวงจร ปริมาณงาน Data Science ได้รับการออกแบบมาสําหรับนักวิทยาศาสตร์ข้อมูลและนักวิเคราะห์ในการสํารวจ เตรียม และวิเคราะห์ข้อมูล สร้างและติดตามโมเดล ML และดําเนินการเวิร์กโฟลว์ AI Fabric IQ Data Agents, Operations Agents และ Copilot ใน Power BI ปรับปรุงการโต้ตอบกับข้อมูลผ่านภาษาธรรมชาติ ระบบอัตโนมัติ และการดําเนินการที่ขับเคลื่อนด้วยข้อมูลเชิงลึก
ในบทความนี้ คุณจะได้เรียนรู้เกี่ยวกับสิ่งต่อไปนี้
- ตัวแทน AI สําหรับการวิเคราะห์การสนทนาและระบบอัตโนมัติในการดําเนินงาน
- เวิร์กโฟลว์วิทยาศาสตร์ข้อมูลสําหรับการฝึกอบรมโมเดล การติดตาม และการปรับใช้
- ตัวเลือกการเข้าถึงสําหรับนักพัฒนาและผู้ใช้ด้วย GraphQL และ Copilot
เอเจนต์ AI
ตัวแทน AI ใน Microsoft Fabric ช่วยให้ทีมเปลี่ยนจากการรายงานแบบพาสซีฟไปเป็นการสนับสนุนการตัดสินใจเชิงรุก ตัวแทนข้อมูลทําให้ข้อมูลที่มีการควบคุมง่ายต่อการสํารวจผ่านคําถามที่เป็นภาษาธรรมชาติ ในขณะที่ตัวแทนปฏิบัติการจะตรวจสอบสภาพทางธุรกิจและทริกเกอร์การดําเนินการเมื่อตรงตามกฎ พวกเขาเชื่อมต่อข้อมูลเชิงลึกและระบบอัตโนมัติเข้าด้วยกัน เพื่อให้ทีมสามารถตอบสนองได้เร็วขึ้น
ตัวแทนข้อมูล
Fabric Data Agents อนุญาตให้ถามตอบการสนทนาผ่านข้อมูลองค์กรโดยใช้ Generative AI ผู้ใช้สามารถถามคําถามภาษาอังกฤษธรรมดาและรับคําตอบที่มีโครงสร้าง ปลอดภัย และอ่านอย่างเดียวโดยไม่ต้องใช้ SQL, DAX หรือ KQL ตัวแทนข้อมูลใช้ Azure OpenAI Assistant API เพื่อระบุแหล่งข้อมูล OneLake ที่เกี่ยวข้อง รวมถึง Lakehouses, คลังสินค้า, แบบจําลองความหมายของ Power BI, ฐานข้อมูล KQL และออนโทโลยี คุณสามารถ กําหนดค่าตัวแทน ด้วยคําแนะนํา ตัวอย่าง และคําแนะนําเฉพาะโดเมนที่กําหนดเองเพื่อปรับปรุงความเกี่ยวข้องในการตอบกลับ
ตัวแทนข้อมูลผสานรวมกับ Microsoft Foundry, Copilot Studio และ Microsoft 365 Copilot เพื่อขยายความสามารถจากการวิเคราะห์การสนทนาไปยังเวิร์กโฟลว์ AI:
Foundry IQ มีเลเยอร์บริบทที่ใช้ร่วมกันซึ่งตัวแทนข้อมูลมีส่วนร่วมในข้อมูลเชิงลึกทางธุรกิจที่มีโครงสร้างควบคู่ไปกับตัวแทนอื่น ๆ ทําให้สามารถให้เหตุผลและประสานงานได้หลายขั้นตอนในระบบขององค์กร
Copilot Studio ให้คุณฝังตัวแทนเหล่านี้เป็นทักษะที่กําหนดเองใน Teams, เว็บแอป หรือแอปพลิเคชันสายธุรกิจ โดยแทรกบริบททางธุรกิจแบบสดลงในข้อความแจ้งของ Copilot และรวม Q&A เข้ากับระบบอัตโนมัติของเวิร์กโฟลว์
การผสานรวมกับ Microsoft 365 Copilot ช่วยให้ตัวแทนเหล่านี้แสดงข้อมูลเชิงลึกที่ขับเคลื่อนด้วยออนโทโลยีที่มีการควบคุมได้โดยตรงภายในเครื่องมือเพิ่มประสิทธิภาพการทํางาน เช่น Outlook, Excel และ Teams โดยรวมการวิเคราะห์การสนทนาเข้ากับระบบอัตโนมัติของเวิร์กโฟลว์
ตัวแทนปฏิบัติการ
ตัวแทนการดําเนินงาน เป็นส่วนประกอบ AI ที่ขับเคลื่อนด้วยออนโทโลยีอัตโนมัติที่ตรวจสอบสตรีมข้อมูลแบบเรียลไทม์ ตีความเหตุการณ์ และดําเนินการหรือแนะนําการดําเนินการ พวกเขาใช้ออนโทโลยีเพื่อใช้กฎและวัตถุประสงค์ ทําให้สามารถตัดสินใจเชิงรุกได้มากกว่าการตอบสนองเชิงรับ พวกเขาผสานรวมกับ Activator และ Power Automate เพื่อทริกเกอร์เวิร์กโฟลว์ใน ERP, CRM และระบบอื่นๆ ในขณะที่ Teams ให้การแจ้งเตือนและการอนุมัติโดยมนุษย์ ซึ่งแตกต่างจากตัวแทนข้อมูลที่มุ่งเน้นไปที่การตอบคําถาม ตัวแทนปฏิบัติการจะดําเนินการอย่างต่อเนื่องตามสภาวะจริง โดยเรียนรู้จากผลลัพธ์เพื่อปรับปรุงการตัดสินใจในอนาคต และเปลี่ยนการดําเนินงานให้เป็นระบบอัตโนมัติที่ปรับเปลี่ยนได้และรับรู้บริบท
ไดอะแกรมต่อไปนี้แสดงวิธีที่ตัวแทนข้อมูลและตัวแทนการดําเนินงานใน Fabric IQ ใช้ข้อมูลองค์กรที่มีการควบคุมและบริการระบบอัตโนมัติเพื่อส่งมอบข้อมูลเชิงลึกและทริกเกอร์การดําเนินการ
เลือกระหว่างตัวแทนข้อมูลและตัวแทนปฏิบัติการ
ตัวแทนข้อมูลและตัวแทนการดําเนินงานใน Microsoft Fabric IQ มีบทบาทที่แตกต่างกัน ตัวแทนข้อมูลให้การวิเคราะห์การสนทนาโดยการตอบคําถามของผู้ใช้ในภาษาธรรมชาติ โดยใช้ออนโทโลยีสําหรับการต่อสายดินเชิงความหมาย และคิวรีหลายแหล่ง เช่น Lakehouses, Warehouses และแบบจําลอง Power BI พวกเขาผสานรวมภายนอกผ่าน Teams, Copilot Studio และแอปแบบกําหนดเองสําหรับการส่งมอบข้อมูลเชิงลึก
ในทางตรงกันข้าม ตัวแทนปฏิบัติการมุ่งเน้นไปที่การตัดสินใจด้วยตนเอง พวกเขาตรวจสอบสตรีมข้อมูลแบบเรียลไทม์เทียบกับกฎที่ใช้ออนโทโลยีเพื่อทริกเกอร์หรือแนะนําการดําเนินการ พวกเขารวมเข้ากับ Power Automate (ผ่าน Activator), Teams สําหรับการแจ้งเตือนและการอนุมัติ และระบบปฏิบัติการภายนอก เช่น ERP หรือ CRM ตัวแทนข้อมูลทําให้การเข้าถึงข้อมูลเป็นประชาธิปไตยสําหรับข้อมูลเชิงลึก ในขณะที่ตัวแทนปฏิบัติการขับเคลื่อนระบบอัตโนมัติเชิงรุกที่มีการควบคุมเพื่อการเพิ่มประสิทธิภาพการดําเนินงาน
เวิร์กโฟลว์วิทยาศาสตร์ข้อมูล
Fabric Data Science ครอบคลุมวงจรชีวิต ML ทั้งหมด: การสํารวจข้อมูล การเตรียมการ การทดลองแบบจําลอง การติดตาม การปรับใช้ และการใช้ เครื่องมือที่คุณต้องการ ได้แก่ สมุดบันทึก, Apache Spark, MLflow และ AutoML ทั้งหมดนี้อยู่ในแพลตฟอร์มแบบครบวงจร นักวิทยาศาสตร์ข้อมูลสามารถพัฒนาและใช้งานโมเดล ML ควบคู่ไปกับวิศวกรข้อมูลและนักวิเคราะห์ได้ในที่เดียว
ติดตามการทดลองด้วย MLflow
การทดลองใน Microsoft Fabric จัดระเบียบและติดตามการเรียกใช้การฝึกอบรมแบบจําลอง การทดลองใน Fabric ทํางานเหมือนกับการทดลอง MLflow ประกอบด้วยคอลเลกชันของการเรียกใช้ โดยที่การเรียกใช้แต่ละครั้งเป็นการดําเนินการของโค้ดการฝึกอบรมแบบจําลองหนึ่งครั้ง เนื่องจาก Fabric ทํางานร่วมกับ MLflow ทุกครั้งจึงสามารถ บันทึกข้อมูลที่เกี่ยวข้อง ได้โดยอัตโนมัติ เช่น ไฮเปอร์พารามิเตอร์ เมตริก แท็ก เวอร์ชันโค้ด และรายการเอาต์พุตโดยไม่ต้องใช้โค้ดบันทึกแบบกําหนดเอง การติดตาม MLflow ถูกสร้างขึ้นในสมุดบันทึกและงาน Spark ของ Fabric ดังนั้นนักวิทยาศาสตร์ข้อมูลจึงสามารถใช้ MLflow API หรือ UI ของ Fabric เพื่อสร้างการทดลองและบันทึกการเรียกใช้
ลงทะเบียนและปรับใช้โมเดล ML
โมเดล ML ใน Fabric เป็นโมเดลแมชชีนเลิร์นนิงที่ลงทะเบียน การจัดการแบบจําลองของ Fabric ใช้รีจิสทรีที่ขับเคลื่อนด้วย MLflow เพื่อจัดเก็บ กําหนดเวอร์ชัน และติดตามแบบจําลอง หลังจากเลือกการเรียกใช้การทดสอบที่ดีที่สุดแล้ว ให้ลงทะเบียนแบบจําลองใน Fabric เพื่อจัดเก็บข้อมูลเมตา เช่น ไฮเปอร์พารามิเตอร์ เมตริก และรายละเอียดสภาพแวดล้อม โมเดลจะถูกบันทึกในรูปแบบ MLflow มาตรฐาน ซึ่งช่วยให้สามารถทํางานร่วมกันในสภาพแวดล้อม Spark และ Python ได้
โมเดลสามารถปรับใช้สําหรับการให้คะแนนเป็นชุดใน Spark หรือผ่าน จุดสิ้นสุดแบบเรียลไทม์ สําหรับการคาดการณ์เวลาแฝงต่ํา
ไดอะแกรมต่อไปนี้แสดงเวิร์กโฟลว์ Data Science แบบ end-to-end ใน Fabric ตั้งแต่การเตรียมข้อมูลและการทดลองไปจนถึงการลงทะเบียนและการปรับใช้แบบจําลอง
การเข้าถึงข้อมูลของนักพัฒนาด้วย GraphQL
API สําหรับ GraphQL มีตําแหน่งข้อมูลที่ยืดหยุ่นเพียงจุดเดียวเพื่อสืบค้นแหล่งข้อมูล Fabric หลายแหล่ง รวมถึงคลังสินค้า ฐานข้อมูล SQL เลคเฮาส์ และฐานข้อมูลมิเรอร์ รองรับการค้นพบ Schema การสืบค้นที่สร้างขึ้นการสร้างแบบจําลองความสัมพันธ์และการทดสอบการสืบค้นแบบโต้ตอบ ทําให้ง่ายต่อการแสดงตาราง มุมมอง และฟิลด์เฉพาะ ในขณะที่เปิดใช้งานการเข้าถึงข้อมูลที่รวดเร็วและขับเคลื่อนโดยไคลเอ็นต์ในสภาพแวดล้อม Fabric
Copilot ใน Power BI
Copilot ใน Power BI เปิดใช้งานการโต้ตอบข้อมูลภาษาธรรมชาติ ผู้ใช้สามารถสํารวจข้อมูล สร้างข้อมูลเชิงลึก สร้างวิชวล และสร้างนิพจน์ DAX
ประสบการณ์ Copilot แบบสแตนด์อโลนรองรับการวิเคราะห์การสนทนาข้ามรายการ โดยเลือกแหล่งข้อมูลที่เกี่ยวข้องโดยอัตโนมัติ เช่น รายงาน แบบจําลองความหมาย หรือตัวแทนข้อมูล Fabric ที่ผู้ใช้สามารถเข้าถึงได้ ถามคําถามที่ชี้แจงเมื่อจําเป็น และสามารถให้ข้อมูลเชิงลึกได้ทันทีเมื่อเลือกรายงานหรือแบบจําลองที่เหมาะสม การเตรียมข้อมูลสําหรับ AI และการอนุมัติโมเดลความหมายช่วยเพิ่มความแม่นยําและรับประกันการตอบสนองคุณภาพสูง